- 博客(106)
- 收藏
- 关注
RSS订阅原创 推荐系统学习笔记（二十一）冷启动
冷启动指对新发布UGC内容的分发策略优化。相比PGC，UGC冷启动面临内容质量参差、数量庞大等挑战。优化目标包括精准推荐、激励创作和挖掘优质内容。评价指标涵盖作者发布意愿、用户消费体验和优质内容占比。具体方法包括改进双塔模型（共享ID/相似embedding）、类目/关键词召回、聚类召回和内容相似度模型等召回策略，以及流量调控机制。这些方法致力于解决新内容缺乏用户交互数据导致的推荐难题，同时平衡用户体验与创作者激励。
2025-10-28 16:21:45
857
原创 推荐系统学习笔记（二十）SECR-快手-用户留存建模
快手团队提出分层专家克隆（SEC）方法，通过模仿学习复制高留存用户行为，优化推荐系统的长期用户保留。该方法将高留存用户分层训练专家策略，动态匹配用户状态，并引入动作熵正则化提升推荐多样性。实验表明，SEC在快手平台显著提升用户留存和兴趣多样性，日均活跃用户增加20万以上。该方法适用于大规模推荐系统，但对高留存用户数据依赖较强，冷启动场景存在挑战。
2025-10-15 20:08:11
2456
原创 推荐系统学习（十八）- 阿里 DIN 模型
和变得更精准。一般称这些用户的行为序列为 lastN ，表示用户最近交互过 n 个物品。本节介绍对用户行为序列建模的方法。
2025-09-18 18:45:19
828
1原创 推荐系统学习笔记（十一）预估分数融合
本文介绍了5种内容推荐的排序融合公式，包括：1）简单加权和；2）点击率加权；3）海外短视频APP公式；4）国内短视频APP基于预估时长加权的公式；5）电商转化率公式（点击率×加购率×付款率）。这些方法通过不同维度（点击、时长、转化等）对内容进行评分排序，适用于短视频推荐和电商场景，核心思想是将多个指标加权或相乘得到最终排序分数。
2025-08-09 20:47:47
191
原创 推荐系统学习笔记（十）多目标排序模型
多目标排序模型的构建方法，涉及场景特征处理、神经网络选择等环节。针对训练中常见的类别不平衡问题，提出了负样本降采样的解决方案。文章特别强调了预估值校准的重要性，推导了点击率预估值的校准公式，以解决采样导致的预估偏差问题，确保模型输出与真实值一致。
2025-08-09 20:20:09
290
原创 推荐系统学习笔记（七）字节非内积召回 Deep Retrieval
字节2021的非内积召回Deep Retrieval: Learning A Retrievable Structure for Large-Scale Recommendations
2025-08-02 21:00:45
874
原创 王树森推荐系统公开课
github：https://github.com/wangshusen/RecommenderSystemb站：推荐系统公开课——8小时完整版，讲解工业界真实的推荐系统_哔哩哔哩_bilibili知乎上一个比较全面的笔记：https://zhuanlan.zhihu.com/p/678664853
2025-07-28 16:47:29
262
原创 MMOE+ESSM
另外，Gate网络最后的输出会经过softmax进行归一化。Gate网络最后一层全连接层经过softmax归一化后的输出，对应作用到每一个expert上（图2中GateA输出的红、紫、绿三条线分别作用与expert0，expert1，expert2），注意是通过广播机制作用到expert中的每一个隐藏单元，比如红线作用于expert0的2个隐藏单元。这里gate网络的作用非常类似于attention机制，提供了权重。
2024-08-20 14:08:37
1177
原创 常用指标和损失总结
求解 L1 损失的问题通常比求解 L2 损失的问题更难。L1 损失的优化问题是一个非凸问题，而 L2 损失的优化问题是一个凸问题。由于其凸性，L2 损失的优化问题（如最小二乘法）通常更容易解决，并且有多种有效的算法（如梯度下降、牛顿法等）。精确度（precision）/查准率：TP/（TP+FP）=TP/P 预测为真中，实际为正样本的概率。当模型的稀疏性非常重要时，例如在文本分析或生物信息学中，L1 损失是一个很好的选择。当模型的参数需要保留非零值，并且对异常值不太敏感时，L2 损失是一个更常用的选择。
2024-07-18 15:08:39
428
原创 Exploiting Static and Dynamic Human Joint Relations for 3D Pose Estimation via Cascade Transformers
Transformer已经成为自然语言处理（NLP）中的主导模型。研究人员最近试图利用Transformer架构进行各种计算机视觉任务，并取得了有竞争力的结果。然而，很少有工作已经做了探索Transformer架构的三维人体姿态估计（HPE）。在这项工作中，我们提出了级联变压器，一种新的基于变压器的方法，从一个单一的图像三维HPE。具体而言，我们的级联变压器包括两个变压器编码器，分别利用静态和动态的人类关节关系。利用自我注意力模块和级联结构，我们的方法全面模拟静态和动态人体关节关系。
2024-06-13 11:00:41
803
原创 刷题记录（240612）
xiecheng1.给定两个正整数x和p，要求从x中提取出所有的奇数位数字组成一个新数，然后将这个新数对p取模，并输出结果。
2024-06-12 19:56:03
247
转载 mac双屏时程序坞跑到副屏的解决方法
(2) 鼠标回到主屏，放在主屏正下方中间的边缘不要动，主屏能看到扩展坞出现了；(3) 按下 option+command+D，锁定其到主屏；(1) 按下 option+command+D，开启。“自动隐藏”，副屏程序坞消失；
2024-05-29 15:17:54
3131
原创 推荐系统学习笔记（四）基于向量的召回
离散特征：性别，国籍，英文单词，物品id，用户id处理：建立字典：eg：china = 1向量化：eg：one-hot /embedding（低维稠密向量）
2024-05-21 19:54:52
1016
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人